干了半年 Hadoop 开发，前几天公司来了个java新人。小伙子对Hadoop大数据感兴趣，问我什么是 HDFS 分布式文件系统？我想有疑问的不只是他一个java开发，今天就简单的给大家介绍一下什么是HDFS。

1.HDFS体系架构

HDFS是一个主/从（Master/Slave）体系架构，由于 分布式存储 的性质，集群拥有两类节点NameNode和DataNode。

NameNode（名字节点）：系统中通常只有一个，中心服务器的角色，管理存储和检索多个DataNode的实际数据所需的所有 元数据 。

DataNode（数据节点）：系统中通常有多个，是文件系统中真正存储数据的地方，在NameNode统一调度下进行数据块的创建、删除和复制。

图中的Client是HDFS的客户端，是应用程序可通过该模块与NameNode和DataNode进行交互，进行文件的读写操作。

2.HDFS特点 ：

HDFS专为解决 大数据存储 问题而产生的，其具备了以下特点：

1) HDFS文件系统可存储超大文件

HDFS是一种文件系统，自身也有块（block）的概念，其文件块要比普通单一磁盘上文件系统大的多，默认是64MB。

HDFS上的块之所以设计的如此之大，其目的是为了最小化寻址开销。

HDFS文件的大小可以大于网络中任意一个磁盘的容量，文件的所有块并不需要存储在一个磁盘上，因此可以利用集群上任意一个磁盘进行存储，由于具备这种分布式存储的逻辑，所以可以存储超大的文件，通常G、T、P级别。

（java开发，java开发，java开发，java开发，java开发，java开发，java开发，java开发，java开发，java开发）

2) 一次写入，多次读取

一个文件经过创建、写入和关闭之后就不需要改变，这个假设简化了数据一致性的问题，同时提高数据访问的吞吐量。

3) 运行在普通廉价的机器上

Hadoop的设计对硬件要求低，无需昂贵的高可用性机器上，因为在HDFS设计中充分考虑到了数据的可靠性、安全性和高可用性。

3.不适用于 HDFS的场景：

1) 低延迟HDFS不适用于实时查询这种对延迟要求高的场景

2) 大量小文件

对于Hadoop系统，小文件通常定义为远小于HDFS的block size（默认64MB）的文件，由于每个文件都会产生各自的MetaData元数据，Hadoop通过Namenode来存储这些信息，若小文件过多，容易导致Namenode存储出现瓶颈。

（hadoop开发，hadoop开发，hadoop开发，hadoop开发，hadoop开发，hadoop开发，hadoop开发，hadoop开发，hadoop开发，hadoop开发）

3) 多用户更新

为了保证并发性，HDFS需要一次写入多次读取，目前不支持多用户写入，针对有多人写入数据的场景，可以考虑采用 Hbase 的方案。4) 结构化数据

HDFS适合存储半结构化和 非结构化数据 ，若有严格的结构化数据存储场景，也可以考虑采用Hbase的方案。

（java开发，java开发，java开发，java开发，java开发，java开发，java开发）

5) 数据量并不大

通常Hadoop适用于TB、PB数据，若待处理的数据只有几十GB的话，不建议使用Hadoop。

以上是从HDFS的结构、特点和不适用的场景做了一点简单解释，希望对大家有帮助。